Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Informática Aplicada

Departamento / Department

Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year

2025/2026

Pré-requisitos / Pre-Requisites

Domínio básico da leitura de inglês.

Objetivos Gerais / Objectives

Pretende-se que os estudantes desenvolvam competências para gerir tabelas e bases de dados (em folhas de cálculo), utilizando a linguagem de programação Python, para compreender e escrever um programa, analisar e visualizar um conjunto de dados e extrair daí informação útil. Salienta-se o desenvolvimento de competências pela utilização de casos de estudo interessantes para a Gestão. No final, os estudantes terão noções básicas de programação e experiência prática, em Python, pela utilização de algumas bibliotecas, como as Numpy e Pandas, para o processamento e análise de dados e informação estruturada.

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

Com esta unidade curricular o aluno deverá ficar apto a: OA1. Organizar dados e informação estruturada, e usar tabelas dinâmicas (numa folha de cálculo). OA2. Desenvolver funções que implementem algoritmos simples, usando variáveis e estruturas de controlo. OA3. Manipular classes e objetos simples. OA4: Fazer programas em Python com tipos estruturados de dados: tuplos, listas, dicionários. OA5: Utilizar a biblioteca numpy para criar e manipular vectores e matrizes. OA6: Utilizar a biblioteca pandas para criar e manipular tabelas de dados. OA7: Ler um ficheiro e manipular os seus dados. OA8: Manipular e visualizar dados graficamente.

Conteúdos Programáticos / Syllabus

Introdução e Fundamentos CP1. Organização de dados e tabelas dinâmicas CP2. Variáveis e estruturas de controlo CP3. Funções, invocação e argumentos CP4. Procedimentos e input/output CP5. Objetos e classes de objetos CP6. Tipos estruturados de informação: tuplos, listas e dicionários CP7. Biblioteca NumPy: vetores e matrizes CP8. Biblioteca Pandas: principais estruturas de dados, agregação, gestão de dados e visualização gráfica de dados, pivot tables CP9. Leitura e manipulação de ficheiros

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular unit's content dovetails with the specified learning outcomes

A interligação entre os conteúdos programáticos e os objetivos de aprendizagem (OA) é a seguinte: Os objetivos de aprendizagem OA1 e OA2 estão relacionados com os conteúdos programáticos CP1-CP4, dado que os conceitos são aplicados essencialmente pelo desenvolvimento de funções e procedimentos. OA3 é abordado no conteúdo programático CP5, cujos exercícios associados envolvem a criação e a manipulação de objetos. OA4 e OA5 concretizam-se nos conteúdos programático CP6 e CP7, que tratam dos tipos estruturados de informação, vetores e matrizes, respectivamente. OA6, OA7 e OA8 concretizam-se no conteúdos programáticos CP8-CP9, que abordam as principais funcionalidades da biblioteca Pandas.

Avaliação / Assessment

Avaliação ao longo do semestre: - Trabalho de grupo (50%): Projecto, obrigatório, sem nota mínima. - Teste individual (50%): Teste escrito, intercalar, previsto para ser online e apoio por Zoom, obrigatório, com nota mínima de 7,5 (em 20). Exame Final (100%): - Exame escrito individual, sem consulta, com toda a matéria. Realiza exame final – na época 1, 2 ou especial, quem não concluir a avaliação periódica com uma nota média superior ou igual a 10 (em 20). A assiduidade não é requisito de aprovação.

Metodologias de Ensino / Teaching methodologies

Esta unidade curricular está estruturada em aulas teóricas e teórico-prática laboratoriais. Uma parte das aulas é dedicada a explicar os conceitos e a resolver exercícios passo-a-passo, demonstrando a aplicação de conceitos. Uma parte significativa das aulas é dedicada à realização de exercícios ao longo do semestre, os quais acompanham os conceitos abordados.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

O alinhamento entre cada componente de avaliação e os objetivos definidos para a UC é feito da seguinte forma: - Trabalho de Grupo: OA1-OA8 - Teste Individual: OA1-OA6

Observações / Observations

A documentação necessária ao acompanhamento dos conteúdos lecionados na unidade curricular está disponível na plataforma de e-learning do Iscte, onde também serão publicados os resultados da avaliação.

Bibliografia Principal / Main Bibliography

- Lemonde, Carlos (2024). PYTHON com EXCEL – Automação e Análise de Dados. Lisboa: FCA. ISBN 9789727229369 - Zumstein, Felix (2021). Python for Excel - A Modern Environment for Automation and Data Analysis. Boston, USA: O'Reilly Media, Inc. ISBN 9781492081005 - Alexander, Michael, Kusleika, Dick, & Walkenbach, John (2019). Excel ® 2019 Bible. Indiana: John Wiley & Sons, Inc. ISBN 9781119514787

Bibliografia Secundária / Secondary Bibliography

- Curto, José, and Vieira, Duarte (2023). Excel para Economia e Gestão, 5ª Edição. Lisboa: Edições Sílabo. ISBN 9789895612901 - Gowrishankar S. & Veena A. (2019). Introduction to Python Programming. New York: Taylor & Francis Group, LLC. ISBN 9780815394372 - Thompson, Joe (2016). Python’s Companion - The most complete step by step guide to Python programming. Joe Thompson Books. - Martins, João (2015). Programação em Python: Introdução à programação com múltiplos paradigmas. Lisboa: Instituto Superior Técnico. ISBN 9789898481474 - McKinney, Wes (2018). Python for Data Analysis - Data Wrangling with Pandas, NumPy, and Ipython (2nd. Ed.). Boston, USA: O'Reilly Media, Inc. ISBN 9781491957639 - VanderPlas, Jake (2017). Python Data Science Handbook – Essential Tools for Working with Data (2nd. ed.). Boston, USA: O'Reilly Media. ISBN 9781491912058 (https://jakevdp.github.io/PythonDataScienceHandbook/ ) - Vasconcelos, José, & Barão, Alexandre (2017). Ciência Dos Dados Nas Organizações - Aplicações Em Python. Lisboa: FCA Editora. ISBN 9789727228850

Data da última atualização / Last Update Date

2025-07-15